最近在YouTube頻道“The Rollup”上， @TrustWallet CEO Eowyn Chen 與 @OpenledgerHQ 核心貢獻者 Ram Kumar 的圍繞雙方的深度合作，展開了一番討論。在此，提取若干有價值的觀點，分享下： 1）給“胖錢包”理論潑了點冷水 訪談中 Andy 提到了業內流行的"胖錢包"理論——擁有用戶入駐渠道的錢包可以垂直整合各種服務？但 Eowyn Chen 的回應很有意思，她直言 C 端零售用戶業務實際上非常困難，涉及大量客戶支持、更高安全責任，以及頻繁的產品路線調整等等。 很多人看到 Trust Wallet 的 2 億下載量就覺得做錢包是門好生意，但 CEO 自己都在強調服務零售用戶的痛苦。這說明錢包的“胖”不是想胖就能胖的，用戶關係雖然有價值，但維護成本也不低。這個觀點還算實在，道明了現在不少錢包服務商的真實處境。 更關鍵的是，她提到並非所有價值都集中在前端，價值鏈各部分都應該公平發展。這個觀點算是給“胖錢包”理論潑了點冷水，也解釋了為什麼 Trust Wallet 願意和 OpenLedger 這樣的基礎設施項目合作。 2）專業化 AI 的拐點到了嗎？ Ram Kumar 對 AI 發展路徑的判斷值得關注。他認為 AI 正從通用性向專業化演進，類似 Google 從通用搜索衍生出 LinkedIn、YouTube 等垂直應用。ChatGPT 這類通用 AI 將如同操作系統，而未來會有更多專門用於特定用例的“專業化模型”。 這和我之前分析 web3AI 行業趨勢演變的邏輯也一致。Trust Wallet 在嘗試 AI 功能時發現通用模型解決不了加密領域的具體問題，正好印證了這個趨勢。而恰恰，專業化 AI 模型的構建需要垂直領域的高質量數據，這正是 OpenLedger 想要解決的問題。 3）數據貢獻的“無償勞動”困局 Ram Kumar 直言 AI 是"建立在無償勞動基礎上的萬億美元產業"，這個批判挺尖銳。AI 公司通過抓取互聯網數據訓練模型，數據貢獻者卻分不到一杯羹，這確實是個結構性問題。 OpenLedger 的解決思路是讓數據貢獻者獲得 AI 模型的長期收益分成，而不是一次性賣數據。配合錢包的全球支付能力，理論上可以實現跨境的無摩擦價值分配。 但這裡有個核心問題：數據質量如何保證？Ram 自己也承認，Hugging Face 等平台 90% 的開源貢獻都沒什麼用。如果貢獻的數據本身價值有限，再好的激勵機制也白搭。 以上。 Eowyn Chen 用“持槍權”類比自我托管，強調 AI 功能是可選的，用戶可以在便利性與安全性之間自主選擇。這種產品哲學是對的，但如何“清晰地呈現選項”非常考驗產品設計能力。 Ram 還提到一個有趣判斷：加密錢包是用戶在全球範圍內獲得數據貢獻報酬的唯一途徑。這意味著錢包的角色可能會從單純的資產管理工具，演進為數字身份和價值分配的基礎設施。 Note：想了解更多可以訪問 The Rollup 的 Youtube 頻道系統看看這次訪談。